Cara Melacak Penyebutan Merek Anda di ChatGPT

Mengapa pemeriksaan manual sekali jalan menyesatkan

Inferensi model bahasa besar tidak dapat direproduksi secara bawaan. Para insinyur di Thinking Machines Lab mendokumentasikan bahwa bahkan pada suhu nol, pengelompokan permintaan dan nondeterminisme di level kernel membuat permintaan identik mengembalikan penyelesaian yang berbeda — tulisan mereka tentang mengalahkan nondeterminisme dalam inferensi LLM menjelaskan mengapa prompt yang sama melenceng dari putaran ke putaran. API OpenAI menyediakan parameter seed dengan upaya terbaik dan kendali suhu dalam rujukan chat completions miliknya, tetapi antarmuka ChatGPT untuk konsumen yang Anda dan pembeli Anda pakai tidak menyediakan keduanya.

Di atas ragam pengambilan sampel, ChatGPT menambahkan lapisan personalisasi. FAQ memori OpenAI menjelaskan bagaimana asisten bisa membawa detail dari percakapan sebelumnya ke percakapan baru. Kalau Anda sudah enam bulan membahas perusahaan sendiri di akun itu, akun Anda adalah tempat terburuk untuk mengukur apakah orang asing mendengar tentang perusahaan Anda.

Ada pula lapisan pengambilan. Ketika ChatGPT menelusuri web, ia menarik halaman langsung dan menautkannya, seperti dijelaskan OpenAI dalam pengumuman ChatGPT search. Dua putaran berjarak beberapa detik bisa mengambil halaman berbeda dan karenanya sampai pada kesimpulan berbeda.

Yang dipertaruhkan itulah sebabnya ini lebih dari sekadar rasa ingin tahu. Pew Research Center menemukan bahwa pengguna Google mengeklik tautan hasil pada 8% kunjungan yang menampilkan ringkasan AI, dibanding 15% kunjungan tanpa ringkasan. Ketika jawabannya menyerap klik, disebut di dalam jawaban itulah visibilitas yang berarti — dan Anda tidak bisa mengelolanya dari sebuah tangkapan layar.

Susun kumpulan prompt yang cocok dengan pertanyaan pembeli sungguhan

Kumpulan prompt Anda adalah instrumennya. Salah di situ, dan semua angka setelahnya hanyalah derau. Kesalahan yang hampir selalu dibuat orang lebih dulu adalah melacak prompt yang memuat nama mereknya sendiri — “apakah Growli bagus?” — yang tidak mengukur apa pun, sebab Anda sudah menyerahkan jawabannya kepada asisten. Lacaklah pertanyaan yang diajukan pembeli sebelum mereka tahu Anda ada.

Ambil bahan mentahnya dari tempat bahasa nyata hidup: rekaman panggilan penjualan, tiket dukungan, log pencarian di situs Anda, pertanyaan di formulir onboarding, dan kueri berekor panjang di Google Search Console. Lalu bentuklah menjadi empat rumpun.

Bidik 30 sampai 60 prompt, dengan bobot ke rumpun yang memetakan pendapatan Anda. Tulislah seperti orang mengetik, bukan seperti pemasar menulis judul — “X terbaik untuk tim kecil di bawah $50/bulan”, bukan “ikhtisar solusi X”. Lalu bekukan susunan katanya. Tiap suntingan menyetel ulang garis dasar, jadi simpan catatan perubahan dan perlakukan prompt yang diubah kata-katanya sebagai prompt baru dengan riwayat baru, bukan kelanjutan dari yang lama.

• Penemuan kategori: “alat manajemen proyek terbaik untuk perusahaan konstruksi”, “siapa yang melakukan audit SOC 2 untuk startup tahap awal”.
• Pembandingan: “X vs Y untuk korporasi”, “alternatif X”, “opsi lebih murah dari X dengan SSO”.
• Kasus penggunaan dan tugas yang ingin dituntaskan: “bagaimana saya memindahkan 40.000 SKU ke PIM baru”, “alat untuk melacak visibilitas di pencarian AI”.
• Keberatan dan risiko: “apakah X cukup aman untuk data kesehatan”, “vendor mana di kategori ini yang dukungannya buruk”.

Tetapkan iramanya dan jaga kondisinya tetap sama

Irama adalah pertukaran antara keyakinan statistik dan biaya. Satu putaran per prompt per pekan nyaris tak memberi tahu apa pun, sebab ragam antarputaran lebih besar daripada kebanyakan pergerakan pekan demi pekan yang Anda pedulikan. Batas bawah yang praktis adalah tiga putaran per prompt per siklus, mingguan, sehingga kehadiran dinyatakan sebagai tingkat — “disebut di 7 dari 12 putaran” — alih-alih sebagai biner.

Naikkan frekuensinya di seputar peristiwa, bukan secara permanen: peluncuran produk, perubahan harga, pengumuman pendanaan pesaing, gelombang konten baru di situs ulasan. Di antara peristiwa, mingguan sudah cukup untuk melihat arah sekaligus menjaga deretnya tetap terbaca.

Kondisi sama pentingnya dengan frekuensi. Aturannya membosankan dan tak bisa ditawar: ubah satu hal pada satu waktu, dan jangan pernah mengubah pengaturan pengukuran dan strategi konten pada pekan yang sama.

Catat juga versi modelnya di samping tiap putaran. Pembaruan model adalah sumber terbesar tunggal dari perubahan mendadak dalam jawaban AI, dan garis tren tanpa catatan versi akan mengirim Anda mengejar masalah konten yang sebenarnya adalah perubahan platform.

• Jalankan tanpa login, atau di akun bersih dengan memori dan instruksi khusus dimatikan.
• Kunci lokal dan bahasanya per prompt; lacak pertanyaan yang sama di pasar kedua sebagai prompt terpisah, bukan variasi.
• Gunakan permukaan yang sama secara konsisten — antarmuka web dengan penelusuran aktif berperilaku berbeda dari panggilan API polos.
• Beri stempel waktu semuanya dalam UTC agar siklusnya bisa dibandingkan.

Catat lima kolom untuk tiap putaran

Kehadiran adalah judulnya, tetapi kehadiran saja tidak bisa memberi tahu apa yang harus Anda lakukan berikutnya. Catat lima kolom untuk tiap putaran dan diagnosisnya biasanya menulis dirinya sendiri.

Kehadiran. Apakah mereknya disebut sama sekali? Agregatkan menjadi porsi putaran per prompt, lalu gulung menjadi porsi lintas kumpulan prompt. Inilah angka yang Anda laporkan.

Posisi. Di bagian mana jawaban itu penyebutannya mendarat — opsi pertama yang disebut, di tengah daftar, atau catatan kaki setelah rekomendasi? Asisten menaruh bobot di depan; menjadi keenam dalam daftar berisi enam lebih dekat ke absen daripada ke hadir.

Sentimen dan pembingkaian. Bukan sekadar positif atau negatif, melainkan keterangan yang dilekatkan pada Anda: “bagus untuk korporasi tapi mahal”, “pelaporan kuat, integrasi terbatas”. Keterangan itu adalah rangkuman padat asisten atas semua yang telah ia baca tentang Anda, dan itulah teks paling bisa ditindaklanjuti dalam seluruh kumpulan data ini.

Pesaing yang disebut. Catat tiap merek lain dalam jawabannya. Ini memberi Anda definisi nyata asisten atas kategori Anda, yang sering bukan definisi di slide pemosisian Anda, ditambah daftar berperingkat tentang siapa yang sebenarnya merebut porsi jawaban dari Anda.

Kutipan. Tangkap tiap URL yang ditautkan jawaban itu. Inilah lapisan sebab-akibatnya. Kalau seorang pesaing memenangkan sebuah prompt karena artikel daftar di situs pihak ketiga menempatkannya di urutan pertama, perbaikannya ada di halaman itu — penjangkauan, koreksi, data yang lebih baik — bukan satu tulisan blog lagi di domain Anda sendiri. OpenAI mendokumentasikan perayapnya dan bagaimana penerbit bisa mengendalikannya di dokumentasi botnya, yang layak ditinjau sebelum Anda menyimpulkan bahwa konten Anda tak terlihat karena alasan konten alih-alih alasan akses.

Bacalah trennya, bukan jawabannya

Dengan empat atau lima siklus tercatat, berhentilah membaca jawaban satu per satu dan mulailah membaca deretnya. Tiga pola layak ditindaklanjuti, dan satu layak diabaikan.

Kenaikan atau penurunan berkelanjutan pada tingkat kehadiran di sebuah rumpun prompt — katakanlah, semua prompt pembandingan Anda — adalah sinyal nyata, biasanya bisa ditelusuri ke konten pihak ketiga baru yang masuk atau keluar dari kolam kutipan. Perubahan mendadak di seluruh kumpulan prompt pada hari yang sama hampir selalu berarti pembaruan model; periksa catatan versi Anda sebelum menulis ulang apa pun. Perubahan pada keterangan yang dilekatkan pada merek Anda, bahkan ketika kehadirannya datar, adalah peringatan paling dini yang akan Anda dapat bahwa sebuah narasi sedang terbentuk, dan itu yang paling murah diperbaiki.

Yang perlu diabaikan: pergerakan satu prompt pada satu siklus. Itu derau pengambilan sampel, dan mengejarnya membakar kredibilitas Anda di hadapan pimpinan lebih cepat daripada melaporkan tidak ada pergerakan sama sekali.

Pilah gulungan angkanya menurut rumpun prompt sebelum Anda menyajikannya. Kuat pada prompt kasus penggunaan tetapi lemah pada penemuan kategori adalah masalah yang sama sekali berbeda dari kebalikannya — yang pertama celah pemosisian, yang kedua celah cakupan di tempat-tempat yang menjadi sumber asisten. Kami membahas kerangka diagnostiknya lebih dalam dalam panduan kami soal visibilitas AI.

Pelacakan manual, dan di mana otomatisasi memperoleh tempatnya

Anda bisa menjalankan ini secara manual. Susun kumpulan prompt di lembar kerja, jalankan tiga lintasan per prompt di sesi peramban yang bersih, dan catat lima kolomnya. Untuk 30 prompt dengan tiga putaran, itu 90 percakapan untuk dibaca dan dikodekan tiap siklus — kira-kira sehari kerja terfokus per pekan, dan pengodean adalah bagian yang lambat, sebab menilai posisi dan sentimen secara konsisten di 90 jawaban lebih sulit daripada kedengarannya.

Dua hal mematahkan pelacakan manual pada skala besar. Yang pertama konsistensi: dua orang mengodekan sentimen secara berbeda, dan satu orang pun mengodekannya berbeda pada hari Jumat. Yang kedua cakupan — pembeli tidak hanya memakai ChatGPT, dan kumpulan prompt yang diukur pada satu asisten tidak memberi tahu apa pun tentang Gemini, Perplexity, Claude, atau Copilot, yang menarik dari pengambilan berbeda dan mengutip sumber berbeda.

Inilah masalah yang kami bangun Growli untuk memecahkannya: ia menjalankan kumpulan prompt Anda lintas asisten besar secara terjadwal, mencatat kehadiran, posisi, sentimen, penyebutan bersama pesaing, dan kutipan dengan cara yang sama tiap siklus, lalu mengubah celahnya menjadi daftar berprioritas berisi halaman dan sumber yang perlu diperbaiki. Rute mana pun yang Anda ambil, metodenya sama — prompt tetap, putaran berulang, lima kolom, dan keputusan yang dibuat berdasarkan tren alih-alih tangkapan layar.

FAQ